來源：硅星人Pro
DeepSeek頻頻回復的“服務器繁忙，請稍后再試”，正在讓各地用戶抓狂。
此前不太被大眾所知的DeepSeek，因2024年12月26日推出對標GPT 4o的語言模型V3而聲名鵲起。在1月20日DeepSeek又發布對標OpenAI o1的語言模型R1，之后因為“深度思考”模式生成的答案優質度高，以及其創新揭示出模型訓練前期成本可能驟降的積極信號，令該公司和應用徹底出圈。之后，DeepSeek R1就一直在經歷擁堵，它的聯網搜索功能間歇性癱瘓，深度思考模式則高頻率提示“服務器繁忙”，此類現象讓大量用戶倍感困擾。
十幾日前，DeepSeek開始經歷服務器中斷，1月27日中午，DeepSeek官網已數次顯示“deepseek網頁/api不可用”，當日，DeepSeek成為周末期間iPhone下載量最高的應用程序，在美區下載榜超越了ChatGPT。
2月5日，DeepSeek移動端上線26天，日活突破4000萬，ChatGPT移動端日活為5495萬，DeepSeek為ChatGPT的74.3%。幾乎在DeepSeek走出陡峭增長曲線的同時，關于其服務器繁忙的吐槽紛至沓來，全世界用戶都開始遭遇問幾個問題就發生宕機的不便，各類替代訪問也開始出現，比如DeepSeek的平替網站，各大云服務商、芯片廠商和基礎設施公司都紛紛上線，個人部署教程也到處都是。但人們的抓狂卻沒有緩解：全球幾乎所有重要廠商都宣稱支持部署了DeepSeek，但各地用戶卻依然在吐槽服務的不穩定。
這背后到底發生了什么？
人們對“DeepSeek服務器繁忙”的不滿，來自于此前以ChatGPT為主的AI頂流應用們，甚少出現卡頓。
自OpenAI服務推出以來，ChatGPT雖然也經歷了幾次P0級別（最嚴重的事故級別）宕機事故，但總體來說，它相對可靠，已然在創新和穩定性之間找到平衡，并逐步成為類似傳統云服務的關鍵組成部分。
ChatGPT大范圍宕機次數并不算多
ChatGPT的推理過程相對穩定，包括編碼和解碼兩個步驟，編碼階段把輸入文本轉換成向量，向量包含輸入文本的語義信息，解碼階段，ChatGPT使用先前生成的文本作為上下文，通過Transformer模型生成下一個單詞或短語，直到生成符合需求的完整語句，大模型本身屬于Decoder（解碼器）架構，解碼階段就是一個個token（大模型處理文本時的最小單位）的輸出過程，每向ChatGPT提問一次，就啟動一次推理流程。
舉例來說，如果向ChatGPT提問，“你今天心情如何”，ChatGPT會對這句話進行編碼，生成每層的注意力表示，根據之前所有token的注意力表示，預測得到第一個輸出token "我"，之后進行解碼，將“我”拼接到“你今天心情如何？”，后面得到“你今天心情如何？我”，得到新的注意力表示，然后預測下一個token :"的"，之后按照第一步，第二步循環，最終得到“你今天心情如何？我的心情很好。”
編排容器的工具Kubernetes是ChatGPT的“幕后指揮官”，它負責調度和分配服務器資源。當涌入的用戶承載完全超出Kubernetes控制平面的承受能力時，就會導致ChatGPT系統的全面癱瘓。
ChatGPT發生癱瘓的總次數不算太多，但這背后是它依靠的強大資源作為支撐，維持穩定運轉背后是強大算力，而這是人們忽視的地方。
一般而言，由于推理處理的數據規模往往較小，因此對算力的要求不如訓練般高。有業界人士估算指出，在正常大模型推理過程中，顯存的主要占用模型參數權重占大頭，大概占比在80%以上。現實情況是，在ChatGPT內置的多個模型中，里面默認模型尺寸都比DeepSeek-R1 的671B要小，加上ChatGPT擁有比DeepSeek多得多的GPU算力，自然展現出比DS- R1更為穩定的表現。
DeepSeek-V3與R1都是一個671B的模型，模型啟動過程就是推理的過程，推理時的算力儲備需要與用戶量相襯，比如有1億用戶量就需配備1億用戶量的顯卡，不僅龐大，且與訓練時的算力儲備獨立開來，并不相關。從各方信息看，DS的顯卡和算力儲備明顯不足，于是頻頻卡頓。
這種對比讓適應了ChatGPT絲滑體驗的用戶并不習慣，特別是他們對R1的興趣愈發高漲的當下。
而且，仔細對比，OpenAI和DeepSeek遇到的情況是很不同的。
前者有微軟做后盾，作為OpenAI的獨家平臺，微軟Azure云服務搭載了ChatGPT、Dalle-E 2圖像生成器、GitHub Copilot自動編碼工具，此后，這一組合成為了云+AI的經典范式，并快速普及成為業界標配；后者雖是初創，卻大部分情況下依靠自建數據中心，與谷歌類似，而不依賴第三方云計算提供商。硅星人查閱公開信息后發現，DeepSeek在任何層面都沒有跟云廠商芯片廠商開啟合作（雖然春節期間云廠商紛紛宣布讓DeepSeek模型跑在其上，但他們并沒有開展任何真正意義的合作）。
而且，DeepSeek遇到了史無前例的用戶增長，這意味著它對應激情況的準備時間也比ChatGPT更少。
DeepSeek的良好性能來自其在硬件和系統層面做出的整體優化。DeepSeek的母公司幻方量化，早在2019年就花了2億打造螢火一號超算集群，到22年就默默存儲萬張A100顯卡，為了更高效的并行訓練，DeepSeek自研了HAI LLM訓練框架。業界認為，螢火集群可能采用了數千至數萬張高性能GPU（如英偉達A100/H100或國產芯片），以提供強大的并行計算能力。目前螢火集群支撐了DeepSeek-R1、DeepSeek-MoE等模型訓練，這些模型在數學、代碼等復雜任務中表現接近于GPT-4水平。
螢火集群代表著DeepSeek在全新架構和方法上的探索歷程，也讓外界認為，通過這類創新技術，DS降低了訓練的成本，可以僅需西方最先進模型幾分之一的算力，就訓練出與頂級AI模型性能相當的R1。SemiAnalysis經推算指出，DeepSeek實際擁有龐大的算力儲備：DeepSeek共堆砌了6萬張英偉達GPU卡，其中包括1萬張A100、1萬張H100、1萬張“特供版”H800以及3萬張“特供版”H20。
這似乎意味著R1的卡量比較充足。但實際上，作為推理模型的R1，對標的是OpenAI的O3，這類推理模型需要部署更多算力用于應答環節，但DS在訓練成本側節約的算力，與推理成本側驟增的算力，孰高孰低，目前并不明確。
值得一提的是，DeepSeek-V3和DeepSeek-R1都是大語言模型，但運作方式有差。DeepSeek-V3 是指令模型，類似ChatGPT，接收提示詞生成相應文本進行回復。但DeepSeek-R1是推理模型，用戶向R1提問時，它會首先進行大量的推理過程，然后再生成最終答案。R1生成的token中首先出現的是大量的思維鏈過程，模型在生成答案之前，會先解釋問題，分解問題，所有這些推理過程都會以token的形式快速生成。
在耀途資本副總裁溫廷燦看來，前述DeepSeek龐大的算力儲備是指訓練階段，訓練階段算力團隊可規劃，可預期，不容易出現算力不足，但推理算力則不確定性較大，因為主要取決于用戶規模和使用量，相對來說彈性較大，“推理算力會按照一定規律增長，但隨著DeepSeek成為現象級產品，短時間內用戶規模和使用量爆炸性增長，這導致推理階段算力需求爆炸性增長，所以出現卡頓。”
即刻上活躍的模型產品設計師，獨立開發者歸藏認同卡量是DeepSeek卡頓的主因，他認為DS作為當前在全球140個市場下載量最高的移動應用，現在的卡無論如何都撐不住，哪怕用新的卡也不行，因為“新的卡做云是需要時間”。
“英偉達A100、H100等芯片運行一個小時的成本有公允的市場價格，DeepSeek從輸出token的推理成本上看是比OpenAI同類模型o1便宜90%以上，這個跟大家的計算偏差不大，因此模型架構MOE本身不是最主要問題，但DS擁有的GPU數量決定了他們每分鐘最多可以生產提供的token數，即便可以把更多GPU用來做推理服務用戶，而不用于預訓練研究，但上限在那擺著。”AI原生應用小貓補光燈的開發者陳云飛持類似觀點。
也有業界人士向硅星人提到，DeepSeek卡頓本質在于私有云沒有做好。
黑客攻擊則是R1卡頓另一驅動因素。1月30日，媒體從網絡安全公司奇安信獲悉，針對DeepSeek線上服務的攻擊烈度突然升級，其攻擊指令較1月28日暴增上百倍。奇安信Xlab實驗室觀察到至少有2個僵尸網絡參與攻擊。
但這種R1自身服務的卡頓，有一個看起來比較顯然的解決方案，是第三方提供服務。這也是我們在春節期間目睹的最為熱鬧的景觀——各家廠商紛紛部署服務，承接人們對DeepSeek的需求。
1月31日，英偉達宣布，NVIDIA NIM已經可以使用DeepSeek-R1，此前英偉達受DeepSeek影響，一夜市值蒸發近6000億美元。同天，亞馬遜云AWS的用戶可以在其人工智能平臺，Amazon Bedrock和Amazon SageMaker AI中部署DeepSeek最新R1基礎模型。隨后，包括Perplexity，Cursor在內的AI應用新貴，也批量接入DeepSeek。微軟則搶在亞馬遜、英偉達之前，率先把DeepSeek-R1部署在了云服務Azure和Github上。
2月1日大年初四開始，華為云，阿里云，字節跳動旗下的火山引擎和騰訊云也加入其間，他們一般提供的是DeepSeek全系、全尺寸模型部署服務。再之后是壁仞科技、瀚博半導體、昇騰、沐曦等AI芯片廠商，他們自稱適配了DeepSeek原版或更小尺寸的蒸餾版本。軟件公司方面，用友、金蝶等是在部分產品中接入DeepSeek模型，增強產品力，最后是終端廠商如聯想、華為、榮耀旗下部分產品接入DeepSeek模型，用作端側個人助手和汽車智能座艙。
迄今，DeepSeek依靠自身價值吸引來了全面龐大的朋友圈，囊括海內外云廠商、運營商、券商和國家級平臺國家超算互聯網平臺。由于DeepSeek-R1是完全開源的模型，接入的服務商都成為了DS模型的受益方。這一方面極大抬高了DS的聲量，也同時造成了更為頻繁的卡頓現象，服務商和DS自身越來越受困于蜂擁而至的用戶，竟都沒有找到解決穩定使用問題之關鍵竅門。
考慮到DeepSeek V3與R1兩個模型原版都高達6710億參數，適合跑在云上，云廠商本身具備更充足的算力和推理能力，他們上線DeepSeek相關部署服務是為降低企業使用的門檻，其部署DeepSeek模型后對外提供DS模型的API，相比DS自己提供是的API，本被認為是可以提供比DS官方更好的使用體驗。
但現實中，DeepSeek-R1模型自身運行的體驗問題，在各家服務中都沒有得到解決，外界認為服務商們并不缺卡，但實際上他們部署的R1，開發者們對反應體驗不穩定的反饋，頻度完全與R1相當，這更多在于能分配給R1進行推理的卡量也并不太多。
“R1熱度保持在高位，服務商需要兼顧接入的其他模型，能提供給R1的卡很有限，R1的熱度又高，誰家一上R1，又以相對較低的價格提供，就會被沖垮。”模型產品設計師，獨立開發者歸藏對硅星人解釋了原因。
模型部署優化是一個涵蓋眾多環節的寬泛領域，從訓練完成到實際硬件部署，涉及多層面工作，但對于DeepSeek的卡頓事件來說，原因可能更為簡單，比如太大的模型和上線之前的優化準備不足。
一個熱門大模型上線之前，會遇到涉及技術、工程、業務等多方挑戰，比如訓練數據與生產環境數據的一致性，數據延遲與實時性影響模型推理效果，線上推理效率和資源占用過高，模型泛化能力不足，以及工程方面像服務穩定性、API與系統集成等方面。
很多當紅大模型上線之前都高度重視做好推理優化，這是因為計算耗時和內存問題，前者是指推理時延太長，造成用戶體驗差，甚至不能滿足延遲需求，也就是卡頓等現象，后者是指模型參數量多，耗費顯存，甚至單張 GPU 卡放不下，也會導致卡頓。
溫廷燦對硅星人解釋了原因，他稱服務商提供提R1服務遇到挑戰，本質是DS模型結構特殊，模型太大+MOE（專家混合結構，一種高效計算的方式）架構，“（服務商）優化需要時間，但是市場熱度是有時間窗口的，所以都是先上再優化，而不是充分優化后上線。”
R1要想穩定運行，如今核心在于推理側的儲備和優化之能力。DeepSeek需要做的是，找到方式把推理的成本降下來，把卡的輸出，單次輸出token的數量降下來。
與此同時，卡頓也說明DS本身的算力儲備很可能也沒有SemiAnalysis所述龐大，幻方基金公司要用卡，DeepSeek訓練團隊也要用卡，能排出來給用戶的卡一直不多。按照目前發展情形看，短期內DeepSeek未必有動力花錢租服務，繼而免費提供給用戶更好的體驗，他們更可能等到第一波C端商業模式梳理清晰之后，再考慮服務租賃的議題，這也意味著，卡頓還會持續不短的時間。
“他們大概需要兩步動作：1）做付費機制，限制免費用戶模型用量；2）找云服務廠商合作，用上別人的GPU資源。”開發者陳云飛給出的臨時解法在業界頗有共識。
但目前來看，DeepSeek對自己這個“服務器繁忙”問題顯得并不太著急。做為一家追逐AGI的公司，DeepSeek似乎不愿太著眼于這蜂擁而來的用戶流量。可能用戶們在未來不短時間里還是要習慣面對“服務器繁忙”的界面了。
喜來順財經
